Capital One, raksasa perbankan asal Amerika Serikat, secara resmi mengumumkan penggunaan platform AI multi-agen yang dibangun di atas model open-weight yang dikustomisasi secara mendalam. Langkah ini diambil untuk menggantikan ketergantungan pada model bahasa besar (LLM) standar yang tersedia secara komersial, guna memastikan tata kelola data yang lebih ketat dan relevansi kontekstual yang lebih tinggi bagi nasabah.
Keputusan strategis ini dipaparkan oleh Kel Vanee, MVP of Machine Learning Engineering Capital One, dalam ajang VB Transform 2026. Vanee menegaskan bahwa perusahaan tidak sekadar mengadopsi teknologi pihak ketiga, melainkan membangun infrastruktur AI sendiri yang disesuaikan dengan kebutuhan spesifik sektor perbankan. Fondasi ini merupakan hasil dari investasi jangka panjang perusahaan dalam transformasi data dan adopsi cloud.
Pendekatan utama yang digunakan adalah melakukan fine-tuning terhadap model open-weight menggunakan data eksklusif perusahaan. Menurut Vanee, data merupakan keunggulan kompetitif yang tidak dimiliki oleh model AI generatif umum. Dengan melatih model agar memahami terminologi, kebijakan perbankan, dan pola perilaku nasabah di Capital One, perusahaan berhasil meningkatkan akurasi operasional secara signifikan di seluruh portofolio layanan mereka.
Implementasi nyata dari arsitektur ini terlihat pada sistem MACAW (Multi-Agentic Architecture Workflow) yang menangani jutaan panggilan terkait penipuan perbankan setiap tahun. Sistem ini membagi tugas ke dalam agen-agen spesialis, mulai dari agen pemahaman untuk menangkap maksud nasabah, agen penalaran untuk menyusun ringkasan, hingga agen validasi yang bertugas melakukan pemeriksaan fakta secara otomatis.
Selain efisiensi layanan pelanggan, Capital One memanfaatkan agen AI untuk mengoptimalkan infrastruktur hosting mereka. Sistem AI otonom ini mampu melakukan riset mandiri melalui ruang pencarian konfigurasi sistem, menjalankan eksperimen, dan memberikan rekomendasi optimasi terbaik bagi para peneliti. Hal ini secara drastis mengurangi waktu yang diperlukan untuk riset teknis manual.
Di sisi lain, perbankan di Indonesia saat ini berada pada fase eksplorasi serupa. Banyak institusi keuangan lokal mulai menjajaki penggunaan LLM untuk layanan chatbot, namun tantangan utama tetap pada privasi data dan kepatuhan terhadap regulasi OJK. Strategi Capital One yang memprioritaskan kedaulatan data melalui model open-weight bisa menjadi cetak biru bagi bank-bank di Indonesia yang ingin mengadopsi AI tanpa harus mengorbankan keamanan data nasabah.
Penggunaan model open-weight memberikan fleksibilitas yang tidak didapatkan dari model closed-source. Bagi industri perbankan Indonesia, kemandirian teknologi ini sangat krusial untuk menghindari vendor lock-in yang seringkali mahal dan kurang fleksibel. Kemampuan untuk mengontekstualisasikan AI dengan bahasa lokal dan aturan perbankan domestik menjadi pembeda utama yang akan menentukan keberhasilan transformasi digital di masa depan.
Ke depan, Vanee memprediksi adanya tren routing abstraction layer yang memungkinkan sistem untuk memilih model terbaik berdasarkan tugas yang diberikan. Strategi ini dianggap lebih akurat dan hemat biaya dibandingkan hanya mengandalkan satu model raksasa untuk semua kebutuhan. Pendekatan ini memungkinkan perusahaan untuk menyeimbangkan antara performa, akurasi, dan biaya operasional secara dinamis.
Selain itu, Capital One mulai beralih menuju sistem AI proaktif yang bekerja berdasarkan pemicu kejadian (event-driven). Alih-alih menunggu perintah dari manusia, sistem ini dirancang untuk mendeteksi kondisi yang memerlukan tindakan segera, seperti deteksi penipuan real-time. Meski menjanjikan, Vanee menekankan bahwa implementasi ini menuntut pengujian dan pemantauan yang sangat ketat untuk menghindari risiko error pada sistem keuangan yang kritikal.
Transformasi yang dilakukan Capital One membuktikan bahwa nilai ekonomi dari AI tidak muncul dari sekadar penggunaan alat, melainkan dari integrasi mendalam ke dalam alur kerja bisnis yang sudah ada. Bagi perusahaan di sektor jasa keuangan, keberhasilan di masa depan akan sangat bergantung pada seberapa efektif mereka mampu mengorkestrasi agen-agen AI untuk bertindak sebagai mitra kerja yang otonom, cerdas, dan patuh terhadap regulasi.